mcp-server-sql-analyzer 是一款强大的MCP服务器，专为AI模型提供SQL分析、语法检查和方言转换能力。它利用SQLGlot，帮助开发者验证SQL语法的正确性，并在不同数据库方言（如MySQL到PostgreSQL）之间转换查询语句。通过提取表引用和列引用，该服务器还能深入分析SQL代码，理解查询结构，并提出优化建议。

此解决方案通过lint_sql、transpile_sql、get_all_table_references和get_all_column_references等工具，使AI模型能够更准确地生成和理解SQL代码，减少语法错误和方言兼容性问题。开发者可以通过简单的配置，使用uvx或uv集成此服务器，从而显著提升AI在SQL处理方面的能力，并确保生成的SQL语句符合目标数据库的最佳实践。它为AI模型与SQL数据库的无缝交互提供了坚实的基础。

SQL语法校验与Linting

lint_sql工具是mcp-server-sql-analyzer的核心功能之一，它能够验证SQL查询的语法正确性，并提供详细的错误信息。该工具通过解析SQL语句，检查是否存在语法错误、不规范的写法或潜在的问题。如果SQL语句有效，则返回确认消息；如果存在错误，则返回错误信息以及错误发生的位置（行号和列号）。此功能极大地提升了AI模型生成SQL代码的质量，确保生成的SQL语句能够被数据库正确执行。例如，AI助手在向用户推荐SQL查询之前，可以先使用lint_sql工具进行验证，避免因语法错误导致查询失败。这不仅提高了用户体验，也降低了AI模型出错的概率。在技术实现上，lint_sql工具依赖于SQLGlot库，能够支持多种SQL方言的语法校验。

SQL方言转换

transpile_sql工具可以将SQL语句从一种方言转换为另一种方言，例如从MySQL转换为PostgreSQL。此功能对于需要在不同数据库系统之间迁移SQL查询的用户来说非常有用。该工具接收SQL语句、源方言和目标方言作为输入，然后尝试将SQL语句转换为目标方言。如果转换成功，则返回转换后的SQL语句；如果转换失败，则返回错误信息。此功能增强了AI模型在多数据库环境下的适应性，使其能够根据用户的具体需求生成特定方言的SQL代码。例如，用户可以将现有的MySQL查询转换为PostgreSQL查询，以便在新数据库系统中使用。在技术实现上，transpile_sql工具同样依赖于SQLGlot库，利用其强大的方言转换能力。

表引用提取与分析

get_all_table_references工具用于从SQL语句中提取所有表和公共表表达式（CTE）的引用。该工具能够识别SQL语句中使用的表名、别名、数据库名、目录名以及完全限定名，并将其组织成结构化的数据。此功能帮助AI模型理解SQL查询的结构和依赖关系，从而更容易解释查询逻辑、建议优化方案或进行代码重构。例如，AI模型可以使用此工具分析复杂的SQL查询，找出所有涉及的表，并生成表关系图，帮助用户理解数据之间的关联。在技术实现上，该工具通过解析SQL语句，提取表名和别名等信息，并进行规范化处理，以确保结果的准确性和一致性。

列引用提取与分析

get_all_column_references工具用于从SQL语句中提取所有列的引用，并提供列的上下文信息，例如列所属的表名。该工具能够识别SQL语句中使用的列名、表名以及完全限定名，并将其组织成结构化的数据。此功能帮助AI模型理解SQL查询中列的使用方式，从而更容易进行代码分析、数据溯源或权限控制。例如，AI模型可以使用此工具分析SQL查询，找出所有涉及的列，并生成列血缘关系图，帮助用户理解数据流向。在技术实现上，该工具通过解析SQL语句，提取列名和表名等信息，并进行关联分析，以确保结果的准确性和完整性。